Article Per Year (5 Year)
p-Index From 2021 - 2026
0.659
P-Index
This Author published in this journals
All Journal Jurnal Minfo Polgan (JMP) Journal of Computer Science & Intelligent Systems
Indra Purnama
Universitas Gunadarma
Computer Science & IT Library & Information Science Mathematics Social Sciences

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Analisis Dan Visualisasi Data Menggunakan Looker Studio Pada Dataset New York City Property Sales Indra Purnama; Yeni Setiani; Farhan Ari Nur Wibisono
Jurnal Minfo Polgan Vol. 13 No. 2 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i2.14421

Abstract

Penulisan ilmiah ini berfokus pada analisis dan visualisasi dari dataset NYC Property Sales yang bersumber dari situs Kaggle. Penulisan ini berlatar belakang pada kemampuan untuk mengubah data kompleks dalam dataset menjadi informasi yang dapat digunakan untuk menyelesaikan masalah dan membuat keputusan yang tepat di masa depan. Analisis dan visualisasi ini digunakan dalam mengetahui permasalahan yang ada dalam dataset yaitu penurunan penjualan properti dan bertujuan untuk melakukan analisis dan visualisasi dengan hasil akhir berupa dashboard yang dibuat menggunakan Looker Studio. Metode analisis dan Exploratory Data Analysis (EDA) digunakan dalam penulisan ini dengan tahapan Data Collection, Data Preparation, EDA, dan Visualization. Dalam melakukan analisis dan visualisasi menghasilkan sebuah dashboard yang di dalamnya terdapat filter, scorecard, chart dan tabel. Dashboard yang telah dibuat dapat di akses melalui tautan berikut ini: https://lookerstudio.google.com/reporting/a60afdae-b109-4043-99dc-1fa3f4b3df9f/page/bQ64D. Dari pembahasan yang telah dilakukan, dashboard yang telah berhasil dibuat dapat memberikan informasi terkait tren waktu pada penjualan properti, rata-rata harga properti, penyebaran distribusi penjualan dan transaksi penjualan dalam suatu borough, kelas bangunan ataupun tahun pembuatan bangunan properti. Hal ini dapat memberikan informasi bagi para investor untuk melakukan investasi di waktu yang tepat serta memberikan wawasan yang berharga.
Visualisasi Data Penyebaran Penyakit Menular di Indonesia Tahun 2015–2023 Menggunakan Looker Studio dan Algoritma PEDULI Indra Purnama; Zalsa Putri Tsabitah; Yeni Setiani; Witari Aryunani
Jurnal Minfo Polgan Vol. 14 No. 2 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i2.15727

Abstract

Penelitian ini membahas analisis dan visualisasi data persebaran penyakit menular di Indonesia periode 2015–2023 menggunakan Looker Studio serta pengembangan algoritma PEDULI (PEta sebaran penDULu waktu dan LokasI). Penelitian ini dilatarbelakangi oleh kebutuhan akan sistem pemantauan penyakit yang informatif dan mudah dipahami, mengingat penyajian data yang masih bersifat numerik dan kurang komunikatif. Tujuan penelitian adalah menyajikan persebaran penyakit menular secara interaktif serta mendeteksi lonjakan kasus berdasarkan waktu dan wilayah. Data diperoleh dari Kaggle dan Portal Satu Data Indonesia, kemudian diproses melalui tahap pembersihan, standarisasi, dan pengkodean menggunakan Python pada Google Colab. Metode penelitian mengacu pada CRISP-DM yang diintegrasikan dengan algoritma PEDULI, meliputi penyaringan data, perhitungan lonjakan kasus, analisis temporal, dan visualisasi lokasi. Hasil penelitian ditampilkan dalam bentuk dashboard interaktif berupa peta sebaran, grafik tren tahunan, dan skor lonjakan kasus per wilayah. Hasil menunjukkan bahwa visualisasi berbasis algoritma PEDULI lebih efektif dalam mengidentifikasi pola persebaran dan wilayah berisiko dibandingkan penyajian data konvensional.
Pendekatan Hibrida Rule-Based dan Jarak Euclidean dalam Menganalisis Hubungan Bahan Aktif Skincare dan Jenis Kulit Indra Purnama; Yeni Setiani; Habibah Mahmud; Witari Aryunani
NEXCORE: Journal of Computer Science & Intelligent Systems Vol. 1 No. 2 (2026): Article Research
Publisher : Soratekno Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59696/nexcore.v1i2.283

Abstract

Kebutuhan konsumen akan produk perawatan kulit (skincare) yang sesuai dengan jenis kulit terus meningkat, namun panduan berbasis data yang menjembatani kecocokan bahan aktif dan kebutuhan kulit spesifik masih terbatas. Penelitian ini bertujuan menganalisis korelasi antara bahan aktif produk perawatan kulit dan jenis kulit yang direkomendasikan melalui pendekatan kuantitatif algoritmik. Menggunakan dataset sekunder dari Kaggle, platform e-commerce, dan situs ulasan produk, studi ini memfokuskan ruang lingkup pada 9 bahan aktif utama dan 7 jenis kulit. Metode yang diterapkan meliputi rule-based scoring berdasarkan literatur dermatologi untuk menilai tingkat kecocokan bahan, serta pengukuran jarak menggunakan Euclidean distance untuk memperkuat validitas skor melalui vektor fitur dermatologis. Analisis korelasi statistik dilakukan menggunakan tabulasi silang dan uji Chi-Square. Hasil uji menunjukkan adanya hubungan yang signifikan antara bahan aktif dan jenis kulit (p-value < 0,05), seperti efektivitas salicylic acid untuk kulit berjerawat dan ceramide untuk kulit kering. Temuan ini divisualisasikan secara intuitif melalui heatmap, bubble chart, bar chart, dan pie chart menggunakan Python. Kesimpulannya, pendekatan berbasis data ini berhasil membangun sistem analisis yang objektif dan transparan, yang dapat menjadi acuan ilmiah bagi konsumen maupun pengembang dalam formulasi produk skincare.
Co-Authors Aryunani ., Aryunani Farhan Ari Nur Wibisono Habibah Mahmud Yeni Setiani Zalsa Putri Tsabitah